《Earth》:Identifying Major Wildfires Using Long-Term Multi-Source Data and Anomaly Detection Algorithms
编辑推荐:
本研究旨在通过整合长期多源数据集与异常检测技术,识别并表征2004年至2023年间南非的重大野火事件。研究人员从第二代现代研究与应用回顾性分析再分析数据集获取了生物质燃烧排放数据,包括生物质燃烧黑碳、生物质燃烧有机碳和一氧化碳,同时从中分辨率成像光谱仪获取了烧
本研究旨在通过整合长期多源数据集与异常检测技术,识别并表征2004年至2023年间南非的重大野火事件。研究人员从第二代现代研究与应用回顾性分析再分析数据集获取了生物质燃烧排放数据,包括生物质燃烧黑碳、生物质燃烧有机碳和一氧化碳,同时从中分辨率成像光谱仪获取了烧毁面积数据。孤立森林算法和广义极端学生化偏差检验被独立应用,并在决策层面进行整合:单一方法检测出的结果被归类为候选异常,而两种方法达成一致的结果则被认定为高置信度异常。研究采用日历月标准化、斯皮尔曼秩相关、Benjamini–Hochberg错误发现率校正以及日历月匹配事件合成等方法评估气象关系。孤立森林算法在整个研究时段内筛选出12个候选异常月份,而广义极端学生化偏差检验识别出一个较小的子集。2007年7月是唯一的高置信度烧毁面积异常月份。高置信度排放异常出现在2010年、2018年、2021年和2023年,主要集中在9月至11月期间,而唯一的高置信度降水异常发生于2006年8月。经错误发现率校正后,烧毁面积与较高的风速和较低的白天相对湿度呈弱相关。一氧化碳、生物质燃烧黑碳和生物质燃烧有机碳与较低的降水量、较低的白天相对湿度及较高的风速呈弱相关,而地表气温未显示出显著关系。事件合成分析呈现出相似的模式,但16组比较中无一在校正后仍保持统计显著性。空间分析表明,2007年7月的烧毁面积异常集中于南非东部;一氧化碳和生物质燃烧黑碳异常在北部、中部和东部内陆地区尤为突出,而2018年的生物质燃烧有机碳异常则集中于西开普省南部。基于百分位选取的空间合成图展示了进一步的空间异质性,但与孤立森林-广义极端学生化偏差检验共识异常并不相同,研究人员对此进行了描述性解读。因此,该框架提供了透明的置信度分层,但并非证明了更高的预测准确性,同时也突显了全国月度数据聚合与产品空间分辨率差异所带来的局限性。
基于长期多源数据与异常检测算法的南非重大野火识别研究:论文解读
**研究背景与科学问题**
野火的发生与发展是人为活动、气象条件、植被特征及景观特性相互作用的结果。温度、降水、风速和相对湿度影响燃料湿度、火源引燃概率、火势蔓延及火险等级,其中高温、低湿、干旱和强风与极端野火条件密切关联。尽管野火在营养循环和植被演替中具有生态功能,但极端事件的频率和强度不断上升已引发广泛关注。严重或反复发生的火灾可导致长期生态系统退化,在特殊情况下甚至引发生态系统崩溃,其影响可通过生态系统功能和物种组成的改变持续存在。此外,植被燃烧释放的气体和颗粒物,包括一氧化碳、黑碳和有机碳,会降低区域空气质量,并影响大气辐射特性、云过程和区域气候。
然而,以往研究通常聚焦于野火系统的单一组成部分,例如特定生物群系内的火烧迹地制图或烧毁面积产品的比较,难以捕捉极端野火相关活动在异质性景观中的多维特征。由于南非涵盖九大陆地生物群系,拥有稀树草原、草地、凡波斯等多样植被结构和火险格局,气候条件从夏季降雨区到冬季降雨区差异显著,因此是检验跨生态系统和气候区野火活动时空特征的理想区域。为此,研究人员开展本研究,旨在整合2004年至2023年共20年的国家尺度烧毁面积、生物质燃烧排放和气象数据,利用孤立森林和广义极端学生化偏差检验进行决策层面的异常检测整合,以识别和表征重大野火相关事件。
**关键技术与方法概述**
研究人员采用的数据集包括:MERRA-2再分析数据集提供的生物质燃烧黑碳、生物质燃烧有机碳、一氧化碳排放及地表气温、白天相对湿度和风速等气象变量;MODIS MCD64A1 Collection 6烧毁面积产品;以及CHIRPS降水数据集。研究时间跨度为2004年至2023年,所有变量均空间聚合为南非全国月度单一数值。异常检测采用两种互补方法:孤立森林算法,设污染参数为0.05,通过随机划分特征空间识别异常观测;广义极端学生化偏差检验,显著性水平设定为0.05,最大潜在异常值数量设为10。两种方法的输出在决策层面整合,单一方法检测结果归类为候选异常,两种方法一致检测的结果归类为高置信度异常。气象关系评估采用日历月标准化消除季节性影响后,进行斯皮尔曼秩相关分析并实施Benjamini–Hochberg错误发现率校正,同时采用日历月匹配的事件合成分析结合20000次保持日历月结构的置换检验评估统计显著性。
**研究结果**
**烧毁面积异常检测**:孤立森林算法识别出12个候选异常月份,占240个月观测值的5%,而广义极端学生化偏差检验仅识别出一个统计显著异常。2007年7月,烧毁面积约426.02 km2,被两种方法同时检测,因此归类为高置信度异常。仅由孤立森林检测出的异常包括2007年10月、2013年10月、2008年1月、2013年5月、2013年8月和9月、2013年11月、2015年3月、2016年12月、2017年6月以及2023年10月。2015年至2023年间烧毁面积异常呈现增加趋势,可能反映气候驱动因素和人为影响的共同作用。
**排放变量异常检测**:广义极端学生化偏差检验检测出的所有排放异常均被孤立森林覆盖,因此均归类为高置信度异常。一氧化碳的高置信度异常发生于2010年9月、2021年9月、2023年9月和2023年10月。生物质燃烧黑碳的高置信度异常发生于2021年9月和2023年9月。生物质燃烧有机碳的高置信度异常发生于2018年10月和11月以及2023年9月。孤立森林在每条排放序列中检测出12个异常,占比5.00%,而广义极端学生化偏差检验的检测率在0.83%至1.67%之间。
**气象变量异常检测**:孤立森林在每个气象变量中识别出12个候选异常。广义极端学生化偏差检验仅检测出2006年8月一个统计显著降水异常,该异常同时被孤立森林识别,因此归类为高置信度异常。风速、白天相对湿度和地表气温均未发现高置信度异常。
**野火指标与气象条件的定量关系**:经错误发现率校正后,烧毁面积与风速呈弱正相关,与白天相对湿度呈弱负相关。一氧化碳、生物质燃烧黑碳和生物质燃烧有机碳均与降水呈负相关,与白天相对湿度呈负相关,与风速呈正相关。地表气温与所有四个野火指标的关系均不显著。所有显著相关系数的绝对值均低于0.30,表明关系强度较弱。
**气象事件复合分析**:在燃烧面积事件月份中,降水略低、风速较高、白天相对湿度较低、地表气温略高,但置换分析中均未达统计显著性。一氧化碳事件月份伴随降水显著偏低、风速显著偏高、白天相对湿度显著偏低,但经错误发现率校正后均不显著。生物质燃烧黑碳和生物质燃烧有机碳事件月份呈现相似模式,但16组事件-非事件比较均未在校正后保持统计显著性。
**极端事件的空间格局**:空间合成分析显示,排放极端月份的区域响应存在显著空间异质性。一氧化碳的正差异集中于西北省、中部内陆、普马兰加省和东部地区及南部沿海地带,而西部内陆呈负差异。生物质燃烧黑碳排放的正差异集中于西北省、自由州省、普马兰加省、夸祖鲁-纳塔尔省及南部沿海地区。生物质燃烧有机碳排放的正响应空间范围更为局限,2018年10月至11月的异常集中于西开普省南部。降水合成图显示极端多雨月份的降雨正差异集中在东部和东北部夏季降雨区,而极端干旱月份广泛的负差异主要出现在中部、东部和东北内陆。
**高置信度异常月份的空间分布**:2007年7月的烧毁面积集中于夸祖鲁-纳塔尔省和普马兰加省,与同期文献记载的大规模失控火灾和人工林燃烧记录一致。2021年9月和2023年9月生物质燃烧黑碳排放热点位于西北省-自由州省边界及豪登省、普马兰加省和夸祖鲁-纳塔尔省。一氧化碳高排放反复出现于东北部和中部内陆。2018年有机碳异常集中于西开普南部,与Outeniqua山火记录吻合;2023年9月则转向中北部和东部内陆。
**讨论总结与研究结论**
该研究所构建的决策层面整合框架实质上是置信度分层工具,而非证明联合方法优于单一算法。孤立森林和广义极端学生化偏差检验基于截然不同的异常定义原则,二者的共识检测提供了算法层面的相互印证而非真实事件的验证。Spearman相关分析揭示的弱相关关系一致表明,干燥、低湿和多风条件与升高的野火相关排放相关联,但关系强度较低可能反映了全国月度聚合对不同气候区、植被类型和火险季节差异的平滑效应。事件复合分析中无一比较在校正后保持显著,提示这些模式应被解读为提示性而非确证性证据。研究结论指出,该框架提升了异常解读的透明度,但受限于固定的孤立森林污染参数、广义极端学生化偏差检验的分布假设、国家尺度的月度聚合、产品空间分辨率的差异以及缺乏独立标注事件的现状。未来研究可通过采用多个污染参数进行敏感性分析、定义跨指标的共同野火事件月份以及实施像元级显著性检验等方式,进一步增强方法的稳健性和结论的可靠性。